混合线性模型如何检测固定因子和随机因子的显著性以及计算R2

2019-07-07 15:32:05 浏览数 (3)

很多朋友写信问我， 像要知道固定因子的显著性和随机因子的显著性如何计算，他们使用的是lme4这个R包, 但是这个包使用anova时没有P值,还要手动计算, 随机因子也需要自己计算loglikehood值, 然后使用LRT的卡方检验进行显著性检验, 其实lme4包有扩展的包可以非常友好的做这件事情.

1. 载入数据和软件包

代码语言：javascript复制
###载入软件包和数据
library(lme4)
library(lmerTest)
library(sjstats)
library(learnasreml)
data(fm)

2. 软件包介绍

lme4

  • R语言中最流行的混合线性包
  • 结果不太友好, 所以才有下面两个包作为辅助
  • 安装方法 install.packages("lme4")

lmerTest

  • 主要是用于检测lme4对象的固定因子和随机因子,它有两个函数:
  • lmerTest::anova.lmerModLmerTest用于检测固定因子的显著性, 方差分析表采用III平方和的形式.
  • lmerTest::ranova用于检测随机因子的显著性, 使用的是LRT检验, 给出的是卡方结果.
  • 安装方法
代码语言：javascript复制
install.packages("lmerTest")

sjstats

  • 可以计算R2
  • 可以提取方差组分
  • 安装方法
代码语言：javascript复制
install.packages("lmerTest")

3. 使用lme4进行混合线性分析

模型介绍

  • 固定因子: Spacing Rep
  • 随机因子: Fam

建模

固定因子: Spacing Rep, 随机因子: Fam

代码语言：javascript复制
fm1 <- lmer(h1 ~Spacing   Rep   (1|Fam), fm)

固定因子检验

代码语言：javascript复制
anova(fm1) # 固定因子显著性检验

可以看到Spacing 和Rep都达到极显著

随机因子显著性检验

代码语言：javascript复制
ranova(fm1) # 随机因子显著性检验,LRT

可以看到Fam达到极显著

计算R2

代码语言：javascript复制
r2(fm1) # 计算R2
R-Squared for Generalized Linear Mixed Model

[34mFamily : gaussian (identity)
Formula: h1 ~ Spacing   Rep   (1 | Fam)

[39m   Marginal R2: 0.116
Conditional R2: 0.277

计算固定因子每个水平的P值

代码语言：javascript复制
p_value(fm1) # 计算每个水平的显著性

term

p.value

std.error

(Intercept)

1.535094e-127

0.7915991

Spacing3

4.957481e-09

0.5463546

Rep2

2.886600e-01

0.8082299

Rep3

7.443430e-08

0.8218056

Rep4

1.720753e-10

0.7995633

Rep5

4.635631e-01

0.7663026

提取方差组分

代码语言：javascript复制
re_var(fm1) # 计算方差组分
_sigma_2     
50.7633345854535

   Fam_tau.00       
11.3168413429073

4. 使用asreml进行对照

建模

代码语言：javascript复制
library(asreml)
fm2 = asreml(h1 ~ Spacing   Rep, random = ~ Fam, data=fm,trace=F)

固定因子检验

代码语言：javascript复制
anova(fm2) # 固定因子显著性检验, 这里anova 是anova.asreml

随机因子显著性检验

这里首先构建一个空模型, 然后使用LRT检验

代码语言：javascript复制
fm_Null = asreml(h1 ~ Spacing   Rep, data=fm,trace=F)
lrt.asreml(fm2,fm_Null) # 随机因子显著性检验LRT
代码语言：javascript复制
summary(fm2)$varcomp[,1:2] # 方差组分

5. 关于混合线性模型计算R2

还有一个包叫MuMIn,也可以计算R2

代码语言：javascript复制
library(MuMIn)
r.squaredLR(fm1)#计算R2

0.217233511687581

6. 完整代码分享

代码语言：javascript复制
# 混合线性模型, 如何检测固定因子和随机因子

###载入数据
library(lme4)
library(lmerTest)
library(sjstats)
library(learnasreml)
data(fm)
str(fm)

### 固定因子: Spacing Rep, 随机因子: Fam
fm1 <- lmer(h1 ~Spacing   Rep   (1|Fam), fm)
summary(fm1)

anova(fm1) # 固定因子显著性检验
ranova(fm1) # 随机因子显著性检验,LRT

r2(fm1) # 计算R2

p_value(fm1) # 计算每个水平的显著性

re_var(fm1) # 计算方差组分

### 对比asreml
fm2 = asreml(h1 ~ Spacing   Rep, random = ~ Fam, data=fm)
anova(fm2) # 固定因子显著性检验, 这里anova 是anova.asreml
fm_Null = asreml(h1 ~ Spacing   Rep, data=fm)
lrt.asreml(fm2,fm_Null) # 随机因子显著性检验LRT
summary(fm2)$varcomp[,1:2] # 方差组分

library(MuMIn)
r.squaredLR(fm1)#计算R2
anova lme4 spacing

0 人点赞